打印agent 使用token量

在 langchain_openai 库中，invoke 和 create 方法都是用于与 OpenAI 模型进行交互，但它们有一些区别：

1. 功能不同：

   • invoke：用于生成文本或执行代码。

   • create：创建对话上下文。

2. 返回值：

   • invoke：返回一个响应对象。

   • create：返回一个包含多个选择（choices）的对象。

3. 用法：

   • invoke：通常用于生成单次请求，如生成文本或执行代码。

   • create：用于创建一个对话上下文，可以进行多次请求，如聊天。

在你的场景中，analyze_cs_floor 函数需要生成一个 prompt 并获取响应，所以使用 create 方法。如果你想直接获取生成文本，可以使用 invoke 方法。

下面是使用 invoke 方法的示例：

response = self.llm.invoke(prompt)
print(">>> tokens:", response.response_metadata.get("token_usage"))
return response.content.strip()

在 langchain_openai 库中，ChatOpenAI 类的 chat_completions 方法用于创建一个对话上下文，该方法接受一个 messages 参数，它是一个列表，其中每个元素是一个字典，包含两个键：role 和 content。
role 键指定了消息的角色，可以是 "system" 或 "user"。
`"system" 角色通常用于系统消息，这些消息包含上下文信息或提示。
`"user" 角色用于用户消息，这些消息是用户发送给模型的输入。
在你的代码中：
Python
复制
messages=[
    {"role": "system", "content": prompt},
    {"role": "user", "content": f"请分析 {func_name} 函数"}
]
第一个字典中的 "role": "system" 和 content: prompt` 指定了一个系统消息，提示 AI 分析函数。
第二个字典中的 "role": "user" 和 content: f"请分析 {func_name} 函数" 指定了一个用户消息，请求 AI 分析指定的函数。
这样，AI 模型就知道它需要根据系统提示和用户请求来生成相应的响应